基于深度学习的拉曼光谱基线校正方法与物质识别研究.pdfVIP

哈尔滨工程大学专业学位硕士学位论文

摘要

拉曼光谱是一种基于拉曼散射原理形成的散射光谱，随着拉曼光谱测量仪器的改进，

获取拉曼光谱的方式越发丰富，测得的光谱数据越发精确，拉曼光谱逐渐成为物质分析

的一种主流手段。拉曼光谱的数据结构复杂，数据量较多，简单的人工预处理以及传统

的数据库特征峰对比识别方法效率与容错率均较低，如何提升拉曼光谱数据处理效率成

为目前待解决的主要问题。

深度学习是一种自动提取数据集特征的方法，采用深度学习完成拉曼光谱预处理和

光谱分析相关任务相较于传统方法存在诸多优势。例如，能合理运用拉曼光谱数据以提

升深度学习模型性能，实现光谱预处理与分析的高自动化；在大量拉曼数据的加持下，

采用深度学习模型可以自动分析并归纳不同数据的共性与特性，减弱杂质及噪声对拉曼

光谱分析的干扰。

本研究将深度学习作为主要技术手段以提升拉曼光谱预处理流程及物质识别任务

的自动化程度。主要研究内容如下：

（1）一种新的光谱基线校正方法

提出了一种基于深度学习方法并结合迭代拟合思想实现的拉曼光谱基线校正算法

DLIFDLIF

。通过构造基准函数作为深度学习模型的输出特征，将基线